Bolsa Nacional de Valores, S.A. San José, Costa Rica

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Bolsa Nacional de Valores, S.A. San José, Costa Rica"

Transcripción

1 SELECCIÓN DE CARTERAS DE INVERSIÓN (TEORÍA DEL PORTAFOLIO) RODRIGO MATARRITA VENEGAS * Bolsa Nacoal de Valores, S.A. Sa José, Costa Rca By ow t s evdet that MPT (moder Portfolo Theory), the theory frst expouded by Markowtz 50 years ago, has foud applcatos may aspects of moder facal theory ad practce. ( ) Though t dd take a few years to create a buzz, the late 0 th ad early st cetures saw o let-up the spread of the applcato of MPT. Further, t s ulkely that ts popularty wll wae aytme the ear or dstat future. Cosequetly, t seems safe to predct that MPT wll occupy a permaet place the theory ad practce of face. The Legacy of Moder Portfolo Theory Frak Fabozz, Fracs Gupta y Harry Markowtz, 00. RIESGO Y DIVERSIFICACIÓN.. RIESGO E INCERTIDUMBRE La vda real está llea de stuacoes de resgo y de certdumbre, auque muchos puede creer que los dos térmos so smlares, lo certo, es que ambos tee ua cootacó dferete. Lo que realmete se busca es covertr stuacoes de certdumbre e stuacoes de resgo. Veamos por qué. Se habla de ua stuacó de certdumbre cuado se descooce los posbles resultados de u eveto y, se descooce, además, las probabldades de ocurreca de tales evetos. Metras tato, ua stuacó de resgo mplca que auque se descoozca el resultado específco de u eveto, se cooce los posbles resultados e cluso se puede determar ua probabldad de * Estoy e deuda co Maurco Vllalta, Karla Gozález, Slva Jméez Johaa Solórzao y Alexadra Campos, alumos de alguos de ms cursos de Teoría del Portafolo, quees recoplaro alguas de sus otas de clase y revsaro borradores de este documeto.

2 Pága ocurreca, co lo que es posble obteer lo que se deoma valores esperados. Por eemplo, ua stuacó de certdumbre es tratar de determar la codcó del clma e ua fecha futura muy aleada, dgamos la tarde del 7 de mayo del año 097, e tato que, ua stuacó de resgo sería ua apuesta sobre qué gaa u partdo de fútbol e dode hay evetos coocdos y se puede estmar las probabldades de ocurreca. E el prmer caso o se puede precsar cual será el posble estado de la aturaleza ( lloverá?, será u día soleado?, ubloso?, etc.), tampoco la probabldad de que tales evetos pueda ocurrr, por lo que o se puede obteer u valor esperado. E el caso del partdo de fútbol, se cooce de atemao cuáles so los posbles resultados (gaa uo de los dos equpos o empata) e cluso, puede asgarse probabldades de suceso co lo que se puede obteer resultados esperados. La mayoría de las decsoes se toma e ambetes de certdumbre, e los que o exste plea certeza de los resultados de las probabldades volucradas e la decsó. Y esto lo ecotramos tato las decsoes secllas como por eemplo el escoger bueos almetos; como las decsoes compleas como escoger co que casarse... cluye todas u grado de certdumbre; como se ve, e realdad so pocas las decsoes que se toma co absoluta certeza, por lo tato, lo mportate es teer ua dea del posble resultado de u eveto y de su probabldad de suceso. A f de covertr stuacoes de certdumbre e stuacoes de resgo, se ecesta de formacó. El vel de la formacó empleada es el determate de la dstaca etre ua stuacó de resgo y ua de plea certeza. Exste tres formas de covertr ua stuacó de certdumbre e u ambete de resgo. La prmera es comprado formacó. La seguda hacedo uso del proceso de señalzacó, e el que u emsor que le

3 Pága 3 evía ua señal o códgo a u receptor, y la tercera es por el uso de probabldades subetvas; ua vez determadas las probabldades de u eveto, es posble calcular su valor esperado. El valor esperado, també llamado Esperaza Matemátca, que vee a ser el promedo poderado de los posbles resultados por la probabldad de ocurreca asocado a cada eveto; es la suma de las multplcacoes de cada eveto por su respectva probabldad de ocurreca. Su formulacó matemátca es la sguete: E[ R] = = p R Dode E[R] es el resultado esperado o la esperaza matemátca del resultado, sedo los posbles estados de la aturaleza (=,...), p la probabldad de ocurreca de cada eveto y R el resultado esperado s se verfca el escearo. Eemplo.. A, B y C so actvos que se ecuetra suetos a cosderacó por parte de u versosta. Se ha desarrollado las sguetes dstrbucoes de probabldad de redmetos esperados para tales actvos de acuerdo a la stuacó de la ecoomía: Actvo A Actvo B Actvo C Eveto Prob. Red. Red. Re8d. Auge 0.0% 40% 0% 0% Establdad 5.0% 5% 8% % Estacameto 40.0% 0% 6% 8% Recesó 5.0% -5% 4% 0% Crss 0.0% -0% -% 5% Calcular el valor del redmeto esperado para cada uo de los tres actvos. Aplcado la fórmula vsta, se tedría que: E[Ra]= (0, x 0,4) + (0,5 x 0,5) + (0,4 x 0,) + (0,5 x 0,05) + (0, x 0,) E[Ra] = 0,65 = 6,50% Realzado los cálculos para los otros actvos: E[Rb] = 5,80% E[Rc] = 6,74% E 5 [ R] = = p R

4 Pága 4.. RENDIMIENTO Y RIESGO Para facltar la compresó de los coceptos que vedrá, es útl cocebr las dsttas alteratvas de versó facera como bees hedócos, es decr, más que mercacías e sí msmas, so bees que represeta coutos de cualdades o atrbutos. Por eemplo: qué dfereca exste etre u escarabao VOLKSWAGEN del 89 e perfectas codcoes, de u solo dueño que sólo lo empleaba ua vez al mes para retrar su ublacó y u JAGUAR del año? Bueo, más be algue podría pregutarse qué tee e comú? La respuesta a cualquera de las pregutas se halla e la dfereca que pueda establecerse al vel de qué lo demada y para qué. S lo que se quere es u medo de trasporte efcete, ta bueo puede ser el uo como el otro, pero s lo que se quere es demostrar bue gusto y stuacó ecoómca, ambos bees o so susttutos porque represeta coutos de característcas o cualdades dsttas. Lo msmo que se apreca para estos dos automóvles, puede aprecarse e las versoes faceras y e los títulos y valores. Efectvamete las versoes faceras puede verse como coutos de característcas o de cualdades que los detfca a uos de otros, más aú, se puede cocebr dos strumetos faceros que auque dsttos puede ser perfectos susttutos porque lo que a uo le falta al otro le sobra e cuato a las característcas relevates para el versosta, de maera que, como coutos de característcas so smlares. Alguas de estas característcas que defe las versoes faceras y los títulos y valores so, por eemplo, la retabldad, el resgo, la garatía y la lqudez. Cuado se compara o evalúa bees hedócos, se emplea uas pocas característcas relevates para elegr etre ellos, más au, por lo

5 Pága 5 geeral exste ua característca que prva sobre las demás, sedo el resto de característcas o codcoes subordadas a la prmera. Por eemplo, s se desea realzar ua versó segura se buscará alteratvas co baos veles de resgo, luego etre estas se podría dscrmar de acuerdo al redmeto o a la lqudez. Ua de las característcas más mportates de las versoes faceras es la retabldad, pero o es la úca, s embargo, va a represetar u coveete puto de partda. La retabldad esperada de ua versó facera puede obteerse por medo de la esperaza matemátca del retoro de los dsttos escearos efretados. Este valor será etoces represetatvo de los cambos e los dsttos estados de la aturaleza supuestos, los cuales reflea de ua u otra maera, los dsttos veles de certdumbre co respecto a otras característcas de las versoes faceras (lqudez, solveca de la empresa emsora, garatías, etc.). El resgo es la característca presete e ua stuacó certa pero e la cual se puede establecer probabldades de ocurreca. Se puede aproxmar mdedo la varabldad de los redmetos esperados producto de los cambos percbdos e la verfcacó del resto de las característcas. De esta forma, se ecuetra dsttos tpos de resgo asocados a las versoes faceras: resgos de lqudez, resgos de solveca, resgo de caldad de la garatía, etc. E preseca de u mercado efcete, los cambos e la formacó y e las percepcoes de los versostas y del mercado, se traduce e cambos de precos de maera que, el resgo se puede medr co la varabldad de precos y redmetos. Descrto lo ateror, se puede cocebr los posbles resultados de la varable e estudo (los redmetos de ua versó facera) como u couto de datos que posee ua determada dstrbucó. Los

6 Pága 6 msmos se puede descrbr por medo de meddas de poscó (valor esperado) y de dspersó. Para medr la dspersó se puede usar varos métodos que permte cuatfcar cuáto se alea las dsttas observacoes de las meddas de poscó cetral, etre estos está: la varaza y su raíz cuadrada coocda como desvacó estádar. Así, etre mayor sea la varaza o la desvacó estádar de la dstrbucó de los redmetos, tato mayor será el resgo asocado a ese actvo, y ello porque se asume ua relacó drecta etre las meddas de dspersó de las observacoes de redmeto y precos y el vel de resgo que represeta ua versó.... MEDIDAS DE VARIABILIDAD...a. Varaza (Var ó ) Se defe como el segudo mometo de la dstrbucó y resulta ser ua medda de la dspersó de los datos alrededor del promedo. Se calcula de la sguete maera: Var[ R] = R = = p [ E( R) R ] Dode Var[R] es la varaza de las observacoes o posbles valores del redmeto ate cada escearo posble, dado u redmeto esperado E(R), sedo posbles evetos (=,...), p la probabldad de ocurreca asocada a cada uo de esos posbles evetos y R el redmeto estmado de esos posbles evetos. La dfereca de E(R) R, se eleva al cuadrado para obvar el problema de que las dferecas egatvas co respecto al promedo de la dstrbucó se vea compesadas por las postvas. Los resultados so expresados e udades cuadradas lo que hace dfícl su

7 Pága 7 terpretacó. Por ello, se utlza la desvacó estádar, que se defe de la sguete maera:...b. Desvacó Estádar () Es coocda també, como error o desvacó típca. Es ua medda del desvío promedo que tee las observacoes co respecto al valor cetral. Es la raíz cuadrada de la varaza y se calcula: DE[ R] = Var( R) = R = = p [ E( R) R ]...c. Coefcete de Varacó (CV) E alguas ocasoes covee saber qué tato represeta el desvío típco co respecto al promedo, es decr, cuátas udades de resgo exste por udad de redmeto; por lo que se costtuye e ua medda del resgo relatvo de u actvo (co respecto a su redmeto promedo). Para determar esto se calcula el Coefcete de Varacó (CV), el cual mde la desvacó estádar como porcetae del promedo de las observacoes. Este es u dcador útl por cuato permte comparar los resultados de las calbracoes de resgo y redmeto etre dferetes actvos, y se calcula de la sguete forma CV ( R) = E( R)

8 Pága 8 Eemplo.. Cotuado co la formacó de los actvos e el eemplo ateror, se debe determar la desvacó estádar del redmeto de cada uo de los tres actvos y calcular el respectvo coefcete de varacó. Cuál tee mayor resgo relatvo? Aplcado la fórmula correspodete: VAR Para el actvo A, se tedría que: Var [Ra] = (0, x (0,65-0,4) ) + (0,5 x (0,65-0,5) ) + (0,4 x (0,65-0.) ) + (0,5 x (0,65 + 0,05) ) + (0, x (0,65+0,) ) VAR [Ra] = 0, , , , ,0070 VAR[Ra] = = 0,0775 DE[Ra] = = 0,4756 = 4,76% 5 = R = [ R] = p [ E[ R] R ] CV[Ra] = / E[Ra] = 0,4756 / 0,65 = 0,8943 *Se dea al lector el cálculo de los otros dos actvos. Resume de los resultados e térmos de retabldad y resgo A B C E(R) 6.50% 5.80% 6.74% Varaza.8% 0.0% 0.9% Desv. Est 4.76% 3.09% 4.4% CV De los resultados aterores se observa que, relatvamete, el actvo A es el más resgoso, ya que por cada udad de redmeto agrega 0,89 udades de resgo. Metras tato el actvo C es relatvamete más seguro, debdo a que por udad de retabldad agrega 0,6 de resgo. Debe observarse además que comparado los actvos por medo de la desvacó estádar, la coclusó hubese sdo que el actvo B es relatvamete más seguro, lo que o es correcto e térmos de la relacó resgo/redmeto.

9 Pága 9... TRATAMIENTO DE SERIES DE TIEMPO El procedmeto vsto hasta ahora aputa a la utlzacó de observacoes (redmetos, e uestro caso) que podría presetarse e escearos alteratvos y mutuamete excluyetes. Pero el aálss puede extederse para ser empleado e el tratameto de seres de tempo, e que los valores que puede asumr la varable e estudo o correspode a escearos probables, so a mometos del tempo específcos. E este caso se observa el comportameto del redmeto a lo largo de u período, se toma los evetos como gualmete probables (pues ya todos se dero e verdad) y se obtee el promedo smple como la meor estmacó del redmeto esperado. E este caso el valor esperado, su varaza y desvacó estádar se expresaría como: E[ R] = = R Var[ R] = DE[ R] = R R = = [ E( R) R ] = [ E( R) R ] =

10 Pága 0 Eemplo.3. Tomado la sere hstórca de u actvo, por eemplo, la Tasa Básca Pasva (e térmos brutos, es decr, s descotar el efecto del mpuesto sobre títulos valores) es posble calcular el promedo, la desvacó estádar y el coefcete de varacó para cada año, medate: DIC R = ENE k [ ] = E R Dode las observacoes (), varía desde eero hasta dcembre del año e estudo (año k). El cálculo para cada uo de los años aparece e el cuadro sguete bao el título de Valores Muestrales, dado que se tomó como muestra los redmetos mesuales de cada año. Los cálculos també puede realzarse para la totaldad de los datos cosderados, (3 observacoes) y se cluye bao el subtítulo de Valores Poblacoales. Evolucó Mesual de la Tasa Básca Pasva (Bruta) datos e porcetaes, tasas a 6 meses Eero 3,50 3,50 34,00 9,50 9,50 3,75 7,75 7,5 4,60 8,30 4,50 Febrero 3,50 3,50 35,00 7,50 9,00 3,5 9,5 6,50 4,00 8,5 4,50 Marzo 3,00 3,50 33,00,50 9,00 3,5 33,00 4,30,50 8,5 4,50 Abrl 3,00 4,50 33,00 0,50 7,00 3,00 33,00,90,5 8,50 4,50 Mayo 3,00 4,50 3,50 6,50 5,50 3,00 33,00,30 0,75 8,50 3,30 Juo 3,00 5,50 30,50,50 6,50 3,5 33,00,90 0,75 9,00,00 Julo 3,00 5,50 30,50 5,00 9,50 3,5 3,50,80 0,50 9,75,30 Agosto 3,00 7,00 30,50 6,00,75 3,5 3,50 3,30 9,50 0,5 0,00 Setembre 3,00 8,50 30,50 6,50 5,00 4,50 3,75 4,0 9,00,5 0,00 Octubre 3,00 9,50 3,00 7,00 5,00 6,75 3,5 3,70 8,75 4,5 0,00 Novembre 3,00 34,00 30,50 8,50 5,00 7,75 30,00 4,0 8,75 4,50 9,30 Dcembre 3,50 34,00 30,50 9,00 5,00 5,53 8,50 4,60 8,50 4,50 8,30 Valores Muestrales E[r] 3,3 6,96 3,7 9,7 0,73 4, 3,9 3,99 0,65 0,44,85 0,3 3,8,6 5,00 3,63,6,93,59,00,57,33 CV = / E[r] 0,0 0,4 0,05 0,6 0,8 0,07 0,06 0,07 0,0 0,3 0, k Valores Poblacoales E[r] 4,0 4,86 CV = / E[r] 0,0

11 Pága..3. MAPA DE MEDIA - VARIANZA El redmeto y el resgo so las característcas claves para comparar los dsttos actvos faceros, co esta formacó es posble costrur u espaco cartesao dode se compare el redmeto esperado y la desvacó estádar, a éste se le deoma el espaco de meda - varaza. Los actvos A, B, C, del Eemplo. se represeta e este espaco de la sguete maera: FIGURA. Espaco de Meda - Varaza E(R) 8% 6% 4% % 0% 8% 6% 4% % 0% B C Actvos eemplo CV= -% % 5% 7% 0% % 5% 7% Desvacó estádar (resgo) A Como se puede aprecar, el actvo más retable sería el actvo C, metras que el actvo A muestra u mayor resgo (su desvacó estádar es la mayor). Dado que e los ees del mapa de meda - varaza se stúa el redmeto esperado y la desvacó estádar, todos los putos del espaco cartesao reflea correspodetes actvos faceros, caracterzados por su redmeto promedo y su desvacó estádar, los cuales puede, a su vez defr los respectvos coefcetes de varacó. Los putos que se ecuetra sobre la líea de 45 o que parte del orge está asocados a u CV = ; los que se ubca por ecma de

12 Pága esta líea posee u CV <, lo que dce que el actvo es relatvamete seguro y los que se ecuetra por debao de esta líea está asocados a u CV >, por lo que se dce que el actvo es relatvamete resgoso. El espaco de meda - varaza permte vsualzar fáclmete las característcas esecales de los actvos faceros evaluados, utlzado para ello las msmas observacoes co u método totalmete obetvo e mparcal que se puede aplcar tato para aálss trasversal (e u mometo del tempo, para ua coleccó de dsttos actvos, como el caso desarrollado), como para aálss croológcos o de seres de tempo (cuado se cosdera la evolucó del redmeto de u actvo a lo largo de u período determado). Eemplo.4. Es posble costrur mapas de actvos e el espaco de meda varaza. E su coformacó para el caso del mercado de valores costarrcese se tomó: a) datos auales de ua muestra de 30 actvos faceros del sector prvado de ua sere de 0 años, b) 3 actvos del sector públco y c) el couto de títulos accoaros de aquellas empresas co mayor bursatldad. Eemplo trascrto de Alfaro y Matarrta (994). Eerccos más recetes demuestra que la stuacó descrta o se ha vsto modfcada (Véase Matarrta, 00). Véase Matarrta, 993.

13 Pága 3 Como se apreca exste ua clara fragmetacó del mercado etre lo que podría deomarse el mercado de títulos de reta fa y el mercado accoaro. Esta brecha geera posbldades de complettud de mercado, ecesaras para tegrar el mercado de valores local. Además, puede observarse la clara relacó postva etre el resgo y redmeto, tato para los títulos de reta fa (que sugere u comportameto expoecal) como el de los documetos accoaros dode la relacó leal parece ser la meor aproxmacó..3. RENDIMIENTO Y RIESGO DE UN PORTAFOLIO Hasta aquí se ha estudado sobre la determacó del redmeto y el vel de resgo de u actvo e forma dvdual, o obstate, el puto medular de la teoría de la seleccó de carteras es, cómo se puede combar los actvos de maera que los obetvos que persgue el versosta pueda satsfacerse de la meor maera posble. E esta parte que sgue se verá los elemetos báscos para la coformacó de portafolos. Para ello se procurará obteer, como para el caso de u actvo e forma dvdual, el redmeto y el resgo, meddo éste por medo de la desvacó estádar..3.. RENDIMIENTO DE UN PORTAFOLIO (E[R P ]) El redmeto del portafolo es el promedo poderado resultate de multplcar el redmeto esperado de cada actvo por su peso relatvo detro del portafolo de versoes. Se calcula de la sguete forma: E[ R Portaf ] = S = w E( R ) Dode las w so las partcpacoes de cada uo de los =,...S actvos que compoe el portafolo, debédose cumplr:

14 Pága 4 S w = = Así, para el caso de dos actvos, que es el modelo básco, se tedría: w a + w b = w = b w a De maera que el redmeto de u portafolo de dos actvos sería: Lo que podría reescrbrse como: E [ R ] = E[ R ] w + E[ R ] w P a E[ RP ] = E[ Ra ] wa + E[ Rb ] ( wa ) Ua ecuacó e la que exste ua sola varable, ua vez defda la meta e térmos del redmeto esperado por el versosta. a b b Eemplo.5 De la formacó del Eemplo.., para los actvos A, B y C, determar el redmeto de u portafolo que cotega ua proporcó gual de cada uo de dos actvos. E[R P ] = (E[Ra] + E[Rb]) x 0.5 E[R P ] = (6,50% + 5,80%) x 0.5 E[R P ] =,5%.3.. EL RIESGO DE UN PORTAFOLIO DE INVERSIONES El resgo de u portafolo resulta ser ua formulacó u poco más complea, pues es algo más que u promedo poderado de los resgos dvduales. E la coformacó del resgo, se da u feómeo teresate y es el hecho de que u par de coutos de observacoes cualesquera aportará varabldad e forma dvdual y e forma couta y aú e forma smultáea. De esta maera, la varabldad

15 Pága 5 del portafolo deberá corporar estas cosderacoes; así, de maera smplfcada se puede decr que la varaza del portafolo está compuesto por dos partes, la varaza de cada uo de los actvos y sus covarazas, es decr, la forma e la que cada actvo que forma parte de u portafolo afecta al resto..3..a. LA COVARIANZA (COVA X,Y ) Esta es ua medda estadístca de la forma e que dos seres de datos varía e forma smultáea. Puede ser postva o egatva depededo de la dreccó de los cambos de las observacoes co respecto a su promedo. Se calcula de la sguete forma: Cova( x, y) = Exste cuatro posbles combacoes de los sgos de las dferecas: Dfereca e X co respecto a su promedo x, y = p ( x x)( y y) = Dfereca e Y co respecto a su promedo Efecto e la Covaraza Cuado las dferecas tee el msmo sgo, la covaraza es postva, cuado tee sgo cotraro, la covaraza es egatva. Ua covaraza postva defe u comportameto de las dferecas e la msma dreccó, e tato que ua covaraza egatva sgfca que las dferecas se da e dreccoes opuestas..3..b. CASO DE SERIES DE TIEMPO Las varates que preseta el caso de los datos proveetes de seres de tempo es que se asume que las observacoes so gualmete

16 Pága 6 probables, por lo que se obtee ua espece de promedo smple. Se calcula: Cova( x, y) = x, y = = ( x x)( y y) Eemplo.6. Sguedo co la formacó del Eemplo.., calcular la covaraza correspodete etre los actvos A, B y C, e sus respectvas combacoes. COVA COVA x, y = p ( x x)( y y) = A C A, B = p ( R 0.65)( R 0.058) = COVA A,B = (0, x 0,35 x 0,04) + (0,5 x 0,085 x 0,0) + (0,4 x 0,035 x 0,000) + (0,5 x 0,5 x 0,08) + (0, x 0,65 x 0,078) COVA A,B = 0,0043 Aplcado la formula respectva para las otras combacoes de actvos posbles etre A, B y C se obtee lo sguete: COVA A,C = -0, COVA B,C = -0,0066 Por tato, se observa que exste ua relacó drecta etre el redmeto esperado del actvo A y el del actvo B, lo que dca que cuado el redmeto del actvo A, se espera que el movmeto e actvo B sea e la msma dreccó. E tato, exste ua covaraza egatva etre C y los otros actvos (A y B), dcado que cuado el redmeto del actvo C aumeta los redmetos respectvos de A y B cae, y vceversa. Es mportate teer presete que el sgo de la covaraza dca la dreccó de la relacó etre los actvos. Ua vez compreddo el cocepto de covaraza, se aalzará el cocepto de resgo del portafolo.

17 Pága 7.3..C. RIESGO DE UN PORTAFOLIO (VAR[R P ]) El resgo de u portafolo está compuesto por dos clases de elemetos. El prmero, las varazas dvduales de cada actvo corporado e el portafolo poderadas por su partcpacó al cuadrado, y el segudo la covaraza de cada parea de actvos, poderada por el producto de las partcpacoes de cada actvo volucrado. Se calcula de la sguete forma: = Var[ P] = = w + w w Portaf = = El prmero de los sumados correspode a la suma de las varazas y el segudo a la suma de las covarazas. Para el caso de dos actvos se tedrá: = + P w a a + wb b wawb a, b.4. RELACIÓN RIESGO - RENDIMIENTO La relacó etre el redmeto de u portafolo y la varaza (resgo) del msmo se puede lustrar e el plao cartesao que coforma el espaco de meda - varaza, pero para explcar este lgame a vel fucoal es coveete combar las fórmulas halladas, lo que se hará, e ua versó smplfcada, para el caso de dos actvos. Partedo de: E[ RP ] = E[ Ra ] wa + E[ Rb ] ( wa ) Despeado w a se obtee: w a = E[ R E[ R P a ] E[ R ] E[ R b b ] ]

18 Pága 8 De esta ecuacó, se etede que w a está e fucó del redmeto esperado del portafolo, dado que E[Ra] y E[Rb] so datos coocdos. E otras palabras, defedo el versosta su meta de redmeto, será posble determar la proporcó e la que deberá ser vertdos los actvos para alcazar tal redmeto obetvo. Es mportate resaltar el hecho de que el redmeto propuesto como meta perteecerá a u couto acotado por los redmetos de los actvos elegdos para formar parte del portafolo. S, por eemplo, los redmetos de los actvos fuera 0% y 5%, o habrá combacó posble de ellos que geere u redmeto de 30%. Así que susttuyedo e la fórmula hallada la relacó: puede escrbr la varaza del portafolo como: w b = w se a VAR [ RP ] = wa A + ( wa ) B + wa( wa ) A, B Factorzado se tee: VAR [ RP ] = ( A + B A, B ) wa + ( A, B B ) wa + B La ecuacó ateror demuestra que el espaco meda Varaza se puede reexpresar por medo de ua fucó cuadrátca. Esta formulacó cumple co la codcó de:. Maxmzar el redmeto sueto a u vel de resgo determado, o. Mmzar el resgo sueto a u vel dado de redmeto esperado, lo que se puede expresar como: M VAR[R P ]; sa E[R P ] = R* El procedmeto a segur es el sguete: dados los redmetos esperados de los actvos cosderados, se debe establecer el redmeto esperado del portafolo (R*), el cual a su vez, defrá la proporcó w a (y e cosecueca su complemeto adtvo w b ). Defdas las proporcoes w se obtedrá, medate la aplcacó de la fórmula correspodete, el valor de la varaza del portafolo. Este fue

19 Pága 9 el plateameto básco del estudo poero de Harry Markowtz e su artículo Portfolo Selecto (Markowtz, 95) Eemplo.7 Coformar u portafolo de mímo resgo co los actvos A y B, tal que su redmeto esperado sea gual a u 0%. Calcular també el resgo del portafolo. Prmeramete se obtee la poderacó del actvo A: w a w a E[ R = E[ R P a ] E[ R ] E[ R b b ] ] 0% 5.8% = = 39.5% 6.5% 5.8% w b = = = 60.75% VAR [ Luego se calcula la varaza del portafolo y co la raíz cuadrada del msmo se determa la desvacó estádar, o el resgo del portafolo. R P VAR [ R ] = w + w + w w, P A A B B ] = (0.305) (0.08) + (0.6075) (0.000) + (0.395* * ) = DESV. EST.[ ] = R P A B A B.5. DIVERSIFICACIÓN DE CARTERAS RIESGOSAS: LA FRONTERA DE EFICIENCIA Ua vez establecda la ubcacó de los dsttos actvos faceros e el mapa de Meda Varaza, es decr, mdedo su relacó resgo - redmeto, la preguta relevate es: cómo puede emplearse esta formacó para defr ua estratega de versó?, más aú, cómo se puede emplear esta formacó para defr ua estratega de dversfcacó del portafolo.

20 Pága 0 Al observar la fgura, se platea la terrogate e cuál de los tres actvos (A, B, C) se debe vertr. Se podría pesar e térmos de retabldad que los actvos A y C so ua teresate alteratva pues brda u redmeto compettvo co respecto al actvo B, e clusve el actvo C, además de redmeto brda u mayor vel de segurdad, s embargo, los tereses del versosta puede ser otros, los cuales puede satsfacerse por medo de productos de geería facera. La geería facera es el dseño de productos faceros creados co el f de satsfacer u obetvo predetermado, ya sea este de versó o de facameto. Cómo puede combarse ua coleccó de actvos faceros para crear uevas alteratvas de versó? Esto depede de la relacó estadístca que exsta etre ellos defda por el Coefcete de Asocacó Leal o Coefcete de Correlacó Muestral..5.. COEFICIENTE DE CORRELACIÓN MUESTRAL (ρ) Esta es ua medda del grado de asocacó leal etre dos seres de datos dsttas, es decr, la dstaca que tee sus comportametos vstos e forma dvdual. Puede asumr valores de a + (.e. ρ [-, ]) depededo de la relacó etre las varables que se aalza. Este dcador cueta co alguas característcas: Es smétrco, es decr ρ x,y = ρ y,x. Es depedete del orge y de la escala. No mplca ua relacó de causa efecto. Su fórmula está descrta por: ρ x, y = = = ( x ( x x) x)( y = y) ( y y)

21 Pága Lo que també puede escrbrse como: ρ x, y = x x, y y El coefcete de asocacó leal es ua relacó etre la forma e la que dos seres de datos covaría o varía e forma smultáea y la forma e que varía coutamete. El sgo del coefcete de asocacó leal lo defe la covaraza. Hay que teer presete que metras la covaraza mde la dreccó e que se mueve los actvos; el coefcete de correlacó muestral dca la magtud de esa asocacó. Por tato, u coefcete de asocacó leal postvo y muy cercao a, sgfca que gra parte de la varabldad smultáea está sedo explcada por la couta. S este fuera gual a cero, dcaría que la covaraza es cero o que uo de los actvos o tee varabldad. Eemplo.8. Determar el coefcete de asocacó leal para cada parea de actvos que se obtee del Eemplo.. ρ A,B = 0,0043 / (0,476 x 0,0309) = 0,9055 = 90,55% El coefcete de asocacó leal es de 0,9055, es decr, u 90,55% de la varabldad de los redmetos del actvo A está asocada al comportameto de los redmetos del actvo B. Lo que dca que exste u comportameto muy smlar etre los actvos, está fuertemete relacoados. Realzado u cálculo smlar para las otras pareas de actvos se obtee lo sguete: ρ A,C = -93,4% ρ B,C = -87,43% Cuado el sgo del coefcete de correlacó es egatvo debe verse co algo de cudado: el valor absoluto dca el porcetae de la

22 Pága varabldad smultáea que es explcada por la varabldad couta, o obstate, su sgo dca que los actvos ofrece u potecal de dversfcacó mayor. De hecho, se establecerá que el máxmo porcetae de dversfcacó (elmacó del resgo) que puede teer dos actvos será el cuadrado del coefcete de correlacó muestral (ρ ). Por tato, etre más cercaa esté de - mayor es la elmacó del resgo que se logra co la combacó de éstos actvos e u portafolo..5.. LA FRONTERA DE EFICIENCIA La frotera de efceca represeta las combacoes óptmas de redmeto y resgo descrtas por la fórmula: M VAR[RP]; s.a. E[RP] = R*; es decr, aquellas combacoes que asegura, medate u proceso optmzador, cuál es el portafolo co el mayor redmeto dado u vel de resgo, o be, el mímo resgo dado u redmeto esperado. La gráfca geerada por esta relacó etre redmeto y resgo es també llamada curva de trasformacó de resgo por redmeto, pues descrbe la forma e la cual el versosta puede tercambar redmeto por resgo de ua maera efcete, es decr, cumpledo el obetvo de maxmzar el redmeto sueto a u vel de resgo, o mmzar éste sueto a u vel de redmeto. La forma de la frotera de efceca depede de la relacó establecda por el coefcete de correlacó muestral. Para lustrar esto, se mostrará el caso e que la asocacó leal es perfecta y postva ( ρ = ); el de la asocacó leal perfecta y egatva (ρ = -); y el de la asocacó leal mperfecta (ρ ]-, [ ). Para smplfcar el aálss se verá prmero el caso de dos actvos y luego se geeralzará al caso de varos actvos.

23 Pága 3.5..a. Correlacó perfecta postva (ρ = ) E este caso la relacó gráfca se puede represetar por ua líea recta, cuyos pares ordeados represeta cada uo de los actvos aalzados. Sobre la recta AB de la fgura 4, se preseta las dsttas combacoes de los actvos A y B, y e los putos extremos se verte el 00% e el actvo respectvo. E[R] FIGURA 4. Frotera de Efceca co ρ = R Β B R Α A Α Β Para poder explcar lo que está ocurredo aquí es mportate volver a la fórmula de la varaza del portafolo de dos actvos: [ + VAR RP ] = wa A + wb B wawb A, B La cual, coocedo la relacó etre el coefcete de asocacó leal y la covaraza, podría escrbrse como: VAR ( RP ) = wa A + wb B + wawb A Bρ A, B S ρ A,B = ; el resultado se smplfca, quedado: VAR( R ) = w + w + w w P A A B B A B A B

24 Pága 4 La raíz cuadrada de esta formulacó (que vedría a ser la desvacó estádar) vedría dada por 3 : DE ( RP A A B B ) = ( w + w ) Es decr, la desvacó estádar del portafolo será u promedo poderado de las desvacoes de cada actvo, por ello la frotera de efceca adquere e este caso ua forma leal..5..b. Correlacó perfecta egatva (ρ = -) E este caso toda la varabldad couta es explcada por el verso adtvo de la varabldad smultáea. El comportameto de ua sere de observacoes sobre el redmeto de u actvo es totalmete opuesto y co la msma magtud al de la otra sere de datos aalzados, por lo que el cambo e el redmeto de u actvo es compesado exactamete por cambo e el redmeto del otro actvo. FIGURA 5. Frotera de Efceca co ρ = - E[R] R Β B A* R f R Α A Α Β 3 Es fácl demostrar que (w A A + w B B ) = w A A + w B B + w A w B A B

25 Pága 5 Cuado ρ = - es posble, medate la dversfcacó, crear u portafolo lbre de resgo 4, es decr, u portafolo e el cual los resgos dvduales de cada actvo se aule y permta al versosta geerar ua cobertura ate el resgo. Justamete a esto se refería James Tob (Premo Nóbel de Ecoomía) cuado afrmaba co relacó a la teoría del portafolo:... smplemete por decr que o es bueo poer todos los huevos e la msma caasta. Este actvo ta partcular recbe el ombre de Actvo Arrow-Debreu. S se apreca be, se podrá ver que este caso es ua prologacó del caso ateror. De hecho, la gráfca que se ha plateado correspode a la localzacó de las poscoes que puede atederse de los actvos A y B, e dode w A, w B [0, ]; evetualmete, partedo de ua stuacó orgal como la que podría señalarse por el puto A* y B e la Fgura 5., y que correspode a los respectvos A y B e la Fgura 4., el puto R f, que represeta el actvo lbre de resgo, es smplemete ua prologacó de la Fgura 4., s pudera vertrse egatvamete (estar corto o edeudarse) e el actvo A..5..c. Caso Geeral de dos actvos (- < ρ < ). E este caso, que es el caso más comú, el resgo o puede ser elmado del todo, pero se puede reducr a través de la dversfcacó. La forma del couto óptmo de combacoes de redmeto - resgo adopta u comportameto parabólco, descrto por el polomo de segudo grado de la geeral, la cual podría expresarse e térmos de la proporcó e que se verte e el actvo A: VAR [ RP ] = ( A + B A, B ) wa + ( A, B B ) wa + B Más aú, sabedo que, e u mudo co dos actvos, la proporcó de pederá del valor del redmeto obetvo (R*) la gráfca podría ubcarse e el mapa de meda - varaza, como se apreca e la sguete fgura: 4 Este comportameto també aplca para actvos.

26 Pága 6 E[R] R Β FIGURA 6. Frotera de Efceca e el caso e que <r< B X V Y W R Α T A mí Α Β La gráfca expuesta e la Fgura ateror reproduce el esquema de la fucó polomal parabólca descrta; o obstate, aú cuado posbles todas combacoes señaladas, o todas será cotadas como efcetes, pues podrá o reur algua de las codcoes señaladas para ello. Por eemplo u puto como T, que represeta u actvo defdo, o perteecerá a la frotera de efceca, pues se podrá obteer u meor redmeto e X para el msmo vel de resgo. Lo msmo podría decrse del puto teror W, que permte observar que es posble obteer u meor redmeto e X, para el msmo vel de resgo, o meorar la segurdad para el msmo redmeto, e u puto como Y. Por ello, la frotera de efceca o solo señala la forma efcete de tercambar resgo por redmeto; s o que establece el límte de domaca, dado que cualquer combacó por ecma de esta frotera o será posble, e tato que cualquera teror o feror será domada por las combacoes de la frotera a partr del puto de míma varaza a la derecha, es decr la parte crecete de la

27 Pága 7 curva, lo que establece ua relacó postva etre el redmeto y el resgo. Por otra parte, puto a la derecha de B, o la derecha de A, represetará vetas e corto u operacoes apalacadas e los respectvos actvos de refereca..5..d. Puto de Míma Varaza para carteras compuestas de dos actvos La Fgura 6. permte determar que la frotera de efceca será la parte crecete de la gráfca a partr de lo que se deoma el puto de míma varaza, que represeta aquella combacó de actvos que hará que el resgo sea mímo. El puto de míma varaza está represetado por el puto V, relacoado co M, se obtee para el caso de dos actvos de la sguete maera 5 : Mí w A B A, B = + A B A, B Por tato, la frotera de efceca so aquellas combacoes de resgo - redmeto que se ubca e la parte crecete de la curva, a partr del puto V; debdo a que e u puto como T el versosta puede lograr, por medo de la dversfcacó, ubcarse co u msmo vel de resgo pero u redmeto mayor, e el puto X. 5 No es otra cosa que la prmera dervada de la ecuacó de la varaza co respecto a w A.

28 Pága 8 Eemplo.9. Coformar u portafolo co los actvos A y C, hallar el puto de varaza míma y grafcar e el espaco de meda - varaza la frotera de efceca. Realzar lo msmo para la combacó de actvos B, C y A, B. Para A y C Mí w A = + A C C A, C A, C Mí w A ( ) = =.64% ( ) w Mí C Mí = ( w ) = 78.36% A Calculado el redmeto y resgo del portafolo: Var( p) = (0.64) E ( ) = (0.7836) * (0.6.74) + (0.64) * (0.65) = 6.66% R P ( ) + (0.7836) (0.009) + (0.7836)(0.64) ( ) = P =,68% Realzado cálculos smlares para los otros pares de actvos se obtee los sguetes datos: Portafolo B y C: Portafolo A y B: w w B C E( R = 59.% = 40.9% p ) = 0.7% Var( p) = % = 0.665% Matemátcamete la proporcó de míma varaza etre los actvos A y B sería la sguete: w =.9% w A B =.9% Ello sgfca, desde el puto de vsta facero esta combacó o es posble e u mercado co auseca de la posbldad de realzar operacoes e corto. Este resultado respode a la alta correlacó postva etre los actvos, 90.55%, formado ua frotera de efceca cercaa a ua líea recta, dode el puto mímo de varaza se logra co u 00% del actvo B y 0% e A. A partr de este puto el versosta puede aumetar su redmeto aumetado su resgo. E este caso se alcaza lo que se deoma ua solucó de esqua.

29 Pága 9 E la gráfca sguete se ubca los portafolos e los putos de varaza míma y la frotera de efceca para las combacoes posbles de actvos. Froteras de efceca 8.00% 6.00% AC C A E(R) 4.00%.00% 0.00% 8.00% BC AC BC AB A 6.00% 4.00% B AB B C.00% 0.00% 0.00%.00% 4.00% 6.00% 8.00% 0.00%.00% 4.00% Resgo La decsó de versó, como se verá más adelate, o depede sólo de la ubcacó del portafolo e térmos de resgo y redmeto, so també de los gustos y preferecas de los agetes ecoómcos..5..e. El caso de actvos Cuado la catdad de actvos se cremeta exste ua sere de combacoes para cada parea de actvos, relacó defda por el coefcete de asocacó leal etre cada par de actvos. De esta forma es posble establecer u gra couto de froteras de efceca para cada combacó de dos actvos. Más aú, sería posble coformar portafolos teedo como actvos, strumetos faceros que so a su vez combacoes de otros actvos, co ua ueva combacó de redmeto y resgo. La fgura que se observaría sería smlar a la sguete:

30 Pága 30 E[R] FIGURA 7. La Frotera de Efceca co actvos B L S H Y* V Y X W* W T A Cada parea de actvos, por eemplo (A, T), (W, V), (V, Y) defe ua frotera de efceca, luego carteras compuestas como W* o Y* puede combarse etre sí, falmete el proceso puede tegrarse hasta geerar ua evolvete que sería la curva AB. Esta líea más las combacoes dvduales de los actvos smples (A, B, X,...T) defe u área que vee a ser el couto de combacoes de actvos resgosos. S embargo, aú cuado todas estas combacoes so posbles, o todas so óptmas ya que alguas de ellas o maxmza el redmeto sueto a certo vel de resgo o mmza el resgo sueto a u vel de redmeto que ha sdo la codcó para la formacó de la frotera de efceca. Para compreder lo ateror, se platea el sguete eemplo: defedo u vel de resgo defdo, se preseta tres carteras S, H, L. La cartera H posee u redmeto asocado de R H, s embargo ua reasgacó e la forma e que se comba los dsttos actvos resgosos, podría permtr elevar el redmeto hasta u puto como S, por otra parte, podría reasgarse las proporcoes e las que se verte los actvos para alcazar L, ua combacó gualmete

31 Pága 3 retable, pero más segura. De esta forma se verfca que pese a ser posbles, o todos lo putos de la gráfca so óptmos segú el plateameto de M VAR[RP]; s.a. E[RP] = R*. Las combacoes que dvdualmete puede hacerse etre cada parea de actvos defe dsttas combacoes posbles; e realdad lo que se tedrá es u couto deso de posbles combacoes de actvos y el lugar de pequeñas froteras de efceca para cada parea de actvos se tedrá u mapa deso y completo; a cotuacó se muestra, para tres actvos, u couto de 00 teracoes desarrollado por el profesor Km Egelmaer 6. GRÁFICO. Resultado de 00 teracoes para combacoes de tres actvos Redmeto 0,5% 0,0% 9,5% 9,0% 8,5% 8,0% 7,5% 7,0% 6,5% 6,0% Combacoes de 3 8% 9% 0% % % 3% 4% 5% 6% 7% Resgo De esta maera, solamete los actvos o carteras que forma parte de la parte superor extera de la curva, partedo del puto de míma varaza hasta el actvo resgoso smple de mayor combacó redmeto - resgo (B) cumple co la codcó de efceca: Maxmzar el redmeto sueto a u vel de resgo o mmzar el resgo sueto a u vel de retabldad. Etre estos, los versostas escogerá aquellos que satsfaga sus gustos y preferecas. 6 Véase Egelmaer (003).

32 Pága 3 Cabe recalcar que u mayor resgo exge ua mayor retabldad, pero o ecesaramete ua mayor retabldad sgfca u mayor resgo. Es posble que exsta oportudades de versó que refleará u redmeto alto y també ua alta segurdad, pero s o exste fragmetacó e dcho mercado, rápdamete el arbtrae se ecargará establecer la lógca correspodete. Esta frotera de efceca para el couto de actvos resgosos se cooce e la erga facera como el paraguas de Markowtz, e memora del trabao de este autor y costtuye la represetacó gráfca del resultado que se obtee al aplcar la fórmula de la varaza del portafolo, dadas las codcoes M VAR[RP]; s.a. E[RP] = R*. Esta fórmula de varaza se escrbe como: VAR[ R ] = w + w w P = = = Ua forma extedda de ver esta formulacó es la sguete otacó seudomatrcal, e que se ordea los elemetos por flas y columas de acuerdo a la combacó de los actvos: w + w w w w... w w... w w, 3,,, w w w w w w w, w w + 3,,, w w w w w w w w w,3,3 3 +,3, w w + w w + w w ,, 3, + w + + w w, w w 3 w w w w... w w... w,, 3,, Se apreca que los datos stuados e la dagoal prcpal correspode a la prmera sumatora de la fórmula de la varaza y que represeta las varazas. Este ordeameto es smétrco, es decr, los datos por

33 Pága 33 ecma de la dagoal prcpal so los msmos de los que se ecuetra por debao, por eemplo, w w, = ww,, lo que explca la exsteca del doble producto de la covaraza por las partcpacoes de cada actvo, tal como e la fórmula correspodete para el caso de dos actvos: VAR [ RP ] = wa A + wb B + wawb A, B,.6. RIESGO ABSOLUTO Y RIESGO RELATIVO DE UN ACTIVO El ordeameto seudomatrcal propuesto e la formulacó de la varaza sugere otros resultados teresates. Por eemplo, al tomar los sumados de u regló específco se tee lo que se deoma el resgo absoluto de u actvo, es decr, el aporte que hace u actvo específco al resgo de u portafolo, este estará compuesto tato por el resgo propo como por el efecto que tee la corporacó de este al resto de los actvos faceros que compoe el portafolo, el cual puede descrbrse como: VAR R a [ p ] w w + w = w w, + w w, w + + w w, = =,... També puede obteerse el aporte porcetual de resgo de u actvo al portafolo, de la sguete maera: Resgo relatvo = β, P = w w, + w w, w w w, VAR[ R ] P La suma de los resgos absolutos de cada actvo debe ser equvalete al resgo total del portafolo, por lo que debe cumplrse que: = β, = ;0 β,, =,... P P Así, para que el resgo absoluto sea cero, las covarazas debe ser egatvas, y su suma gual a la varaza del actvo e cuestó.

34 Pága RIESGO SISTEMÁTICO Y RIESGO NO SISTEMÁTICO Al exteder el caso smple de dos actvos a u couto o lmtado de actvos, se puede aprecar que el aporte margal de cada uevo actvo al resgo del portafolo, se dluye coforme el úmero de actvos que compoe el portafolo crece, esto por cuato el límte del valor de la partcpacó ( w = ) tede a cero cuado la catdad de actvos () crece ( / 0). Asmsmo, dado que 0 w ; =,... se tee: 0 w w, w ;, que los pesos de los poderadores se reduce y hace que el efecto de cada uevo actvo sea cada vez meor e el resgo total del portafolo. Lo ateror explca porqué el resgo del portafolo es meor a la sumatora de los resgos de cada actvo (varazas), por lo tato, la dversfcacó meora la posbldad de aumetar la retabldad y dsmur el resgo, pero esto o quere decr que elma el resgo total del portafolo. El resgo que se logra reducr medate la dversfcacó recbe el ombre de resgo dversfcable, resgo o sstemátco o resgo específco y es aquel resgo propo de cada actvo. Es depedete de lo que ocurra e el mercado. El resgo que o se puede reducr medate la dversfcacó se llama resgo de mercado, resgo sstemátco, o resgo o dversfcable y provee de la certdumbre propa del mercado que afecta a cualquer tpo de actvo o strumeto facero. Gráfcamete esto puede represetarse medate la sguete fgura:

35 Pága 35 Resgo del Portafolo FIGURA 8. Resgo Sstemátco y Resgo No Sstemátco Resgo No Sstemátco Resgo Sstemátco Número de Actvos.8. RIESGOS Y RENDIMIENTOS RELATIVOS Se puede costrur u dcador al que se deomará el coefcete de varacó dámco, que se expresa como el cocete del aporte margal del resgo del actvo al resgo total (β,p ), etre el aporte margal del redmeto del actvo (R ) al redmeto total del portafolo [E(R p )], al que deomaremos como γ,p. Lo ateror se puede expresar de la sguete forma, asumedo que w como el peso relatvo del actvo detro del portafolo, así el aporte margal de R al redmeto total será: γ, P = w R E [ R ] P Por lo tato, el δ,p se puede expresar como: δ =, P β γ, P, P

36 Pága 36 Así, puede establecerse que etre mayor sea el δ,p, mayor es el aporte margal del resgo e comparacó co el de la retabldad. E esta stuacó el agete ecoómco buscará modfcar las proporcoes hasta lograr que los δ,p de todos los actvos del portafolo sea guales. Lo que podría covertrse e ua cosderacó de efceca técca, ya que, margalmete o habría cetvos para modfcar la forma e la que se ha estructurado el portafolo, dado que los aportes margales e el resgo por udad de aporte margal al redmeto para cada actvo so guales. δ,p = δ,p El cocepto de efceca e la estructuracó de u portafolo se verá más adelate, dode se expoe co mayor detalle, bao el ombre de portafolos geuos e telgetes, e la sguete udad temátca. Eemplo.0. Coformar u portafolo co proporcoes détcas de cada uo de los actvos compreddos e el Eemplo.. Calcular para dcho portafolo los resgos absolutos y relatvos para cada actvo, los aportes relatvos al redmeto y los aportes margales al resgo por udad de redmeto. Var( p) = w El redmeto esperado del portafolo sería: E ( R p ) = ( ) =.99% 3 El resgo del portafolo sería: w + a a a b c a w ab w w + ac + w w + a b ab wb b w w + b c bc + w w + a b c c c w ac w w + Var ( p) = = 9 El resgo absoluto por actvo vedría dado por: bc c ( ( ) ) = % Var ( p a ) = = 9 ( )

37 Pága 37 Var ( p b ) = 9 = Var ( p c ) = = 0. ( ) ( ) De esta maera el correspodete resgo relatvo por actvo sería: β β β a. p = = b. p = = = = 0.00 b. p Los respectvos aportes relatvos al redmeto vedría dados por: γ γ γ = = = 0.99 a, p = b, p = c, p = 4.34% 4.88% 4.96% Los coefcetes de aporte margal del resgo por udad de aporte margal al redmeto sería: β a, p.063 δ a, p = = =.5 γ a, p δ b, p =.35 δ c, p = 0.6 Este coefcete de comparacó de aportes margales puede tomar tres posbles casos, a saber:

38 Pága 38 δ,p > que será dcatvo de que el respectvo actvo aporta, margalmete, más resgo que redmeto, por lo que se cosdera como u actvo resgoso. δ,p = e esta stuacó el actvo aporta al portafolo resgo y redmeto e ua msma proporcó, margalmete hablado. δ,p < e este últmo caso, el actvo se cosdera relatvamete seguro, ya que aporta más redmeto que resgo al adcoarse al portafolo. Al aalzar los resultados os damos cueta que el actvo C cotrbuye a elmar el resgo (dado que el resultado es egatvo) y que el actvo A es el que más resgo relatvo aporta. Por lo tato, u portafolo co proporcoes détcas de actvos (al que llamaremos Portafolo Igeuo) o ecesaramete es efcete. El portafolo efcete se lograría cuado el coefcete de varacó dámco sea gual para todos los actvos. E el caso aalzado, u escearo telgete sería vertr mucho e C, meos e B y cas ada e el actvo A. De esta forma se buscaría gualar los deltas, para lograr maxmzar el redmeto sueto a u vel de resgo ó mmzar el resgo sueto a u vel dado de redmeto. El sguete apartado desarrolla co u mayor detalle lo expuesto e este puto.

39 Pága 39 EJERCICIOS PROPUESTOS Los sguetes se propoe como u proceso de verfcacó de los coocmetos adqurdos, co el propósto de que el lector pueda calbrar su vel de aprehesó de la matera vsta. I. Defr lo sguetes coceptos (e caso de duda puede remtrse al lstado de térmos al fal del documeto) a. Frotera de Efceca b. Covaraza c. Coefcete de asocacó leal d. Resgo relatvo de u actvo e. Resgo Sstemátco f. Resgo o Sstemátco g. Coefcete de Varacó h. Desvacó Estádar. Resgo. Icertdumbre k. Actvo lbre de resgo II. Comete la valdez de las sguetes afrmacoes a. Es mposble ecotrar u actvo cuyo β,p sea cero. b. Sempre la Covaraza va a ser meor (y a lo sumo gual) al producto de las desvacoes dvduales para cada parea de actvos. c. Tal cosa como el resgo o exste, lo que hay es falta de formacó. d. Cada vez que me efreto a ua stuacó e la que o sé qué va a ocurrr, rezo u par de Padresuestros decdo y actúo. Nuca me ha fallado Esa es m forma de elmar la certdumbre. e. E u mudo de dos actvos, cualquer combacó de ellos forma parte de la frotera de efceca. f. Adqurr partcpacoes de u megafodo hace que el versosta pueda dlur el resgo sstemátco.

40 Pága 40 III. Eerccos. Se le proporcoa los sguetes datos para los redmetos de las accoes de dos compañías: Atlas Eléctrca y la Idustra Nacoal de Cemeto: Atlas Eléctrca INCSA Atlas Electr. 5.8,06 INCSA -75,90.093,44 E(R) 36,63 7,79 Utlce la fórmula de la proporcó de varaza míma para hallar las proporcoes e que debe combar los actvos. Grafque, e el espaco de meda varaza, los resultados obtedos y perfle la posble frotera de efceca.. Jua, El Artsta, se propoe vertr e dos accoes: A y B. Espera ua retabldad de 0% e A y del 8,5% e B. La desvacó típca de las retabldades es de 8% para A y de 5% para B. El coefcete de correlacó etre las retabldades es de 0.. y pesa vertr 50% e cada actvo. Cuáles sería los valores de los respectvos coefcetes de varacó de los portafolos e los que Jua verte, correspodetemete 30%, 50% y 80% e las accoes de la empresa A?. 3. F, G y H so actvos que se ecuetra suetos a cosderacó por parte de u versosta. Se ha desarrollado las sguetes dstrbucoes de probabldad de redmetos esperados para tales actvos: Actvo F Actvo G Actvo H Eveto Prob. Red. Prob. Red. Prob. Red % % 0.0 0% 0.0 0% % 0.5 0% % % % % 0.5 0% % % a. Calcule el valor del redmeto esperado, para cada uo de los tres actvos. Cuál proporcoa mayor redmeto esperado? b. Determe la desvacó estádar para el redmeto de cada uo de los tres actvos. c. Calcule el coefcete de varacó de cada uo de los tres actvos. Cuál parece teer mayor resgo relatvo? 4. Se solcta su coseo para elegr ua cartera de actvos y le ha proporcoado los sguetes datos:

41 Pága 4 Redmeto Esperado (%) Año Actvo A Actvo B Actvo C Se le ha dcho que puede crear dos carteras (ua costtuda por actvos A y B y la otra por los actvos A y C) vrtedo e proporcoes guales (50% e cada uo de los actvos compoetes). a. Cuál es la tasa de redmeto esperada para cada actvo durate el período de tres años? b. Cuál es la desvacó estádar para el redmeto de cada actvo? c. Cuál es el redmeto esperado cada ua de las carteras? d. Cómo caracterzaría las correlacoes etre los redmetos de ambos actvos que coforma las dos carteras detfcadas e el lteral c.? e. Cuál es la desvacó estádar para toda la cartera? f. Qué recomeda usted? Por qué? 5. U versosta se ecuetra cosderado la elaboracó de ua cartera que cotega dos actvos L y M. El actvo L represetará u 40% del valor e dólares de la cartera y el actvo M cotará co el restate 60%. Los redmetos esperados durate los sguetes ses años ( ) para cada uo de los actvos se ecuetra resumdos e el sguete cuadro: Redmeto Esperado (%) Año Actvo L Actvo M a. Calcule el redmeto esperado de cada actvo para el perodo de ses años. b. Determe la desvacó estádar de los redmetos esperados. c. Determe el redmeto esperado para cada año de la cartera compuesta por u 40% de L y u 60% de M. d. Determe la desvacó estádar de los redmetos esperados de esas carteras. 6. Dése la sguete formacó sobre dos actvos faceros: las accoes de la empresa A, dedcada a la presetacó de espectáculos artístcos y cematográfcos; la empresa B, dedcada a la produccó y veta de papas. Estado de la Probabldad Retabldad Potecal Ecoomía Empresa A Empresa B Auge 0.0 0% % Establdad % 3% Recesó 0.5 % 4% Crss 0.0-5% 5%

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal

Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores por Medio de un Método de Programación Lineal Programacó Matemátca y Software (2009) Vol.. No. ISSN: 2007-3283 Recbdo: 0 de Juo de 2008/Aceptado: 3 de Septembre de 2008 Publcado e líea: 26 de juo de 2009 Seleccó de ua Cartera de Iversó e la Bolsa

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

1.2. Medidas de Concentración

1.2. Medidas de Concentración .. Meddas de Cocetracó Matlde Machado.. Meddas de Cocetracó La gra mayora de los mercados se ecuetra etre los extremos de competeca perfecta (cocetracó mma) y moopolo (cocetracó máxma). Las meddas de cocetracó

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

Teoría de carteras de inversión para la diversificación del riesgo: enfoque clásico y uso de redes neuronales artificiales (RNA)

Teoría de carteras de inversión para la diversificación del riesgo: enfoque clásico y uso de redes neuronales artificiales (RNA) Teoría de carteras de versó para la dversfcacó del resgo: efoque clásco y uso de redes euroales artfcales (RNA) Ivestmet portfolo theory ad rsk dversfcato: classc ad eural etworks methodology D. Cot* y

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

Modelo Matemático Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores

Modelo Matemático Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores Modelo Matemátco Multobjetvo para la Seleccó de ua Cartera de Iversó e la Bolsa Mexcaa de Valores José Crspí Zavala-Díaz, Marco Atoo Cruz-Chavez, Jorge Ruz Vaoye 3, Martí H. Cruz-Rosales 4 Facultad de

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

COMENTARIOS Y ANÁLISIS DEL FACTOR DE PRODUCTIVIDAD PROPUESTO POR OSIPTEL PARA EL PLAN DE REGULACIÓN POR PRECIOS TOPE 2004 2007

COMENTARIOS Y ANÁLISIS DEL FACTOR DE PRODUCTIVIDAD PROPUESTO POR OSIPTEL PARA EL PLAN DE REGULACIÓN POR PRECIOS TOPE 2004 2007 OMNTARIOS Y ANÁLISIS DL FATOR D PRODUTIVIDAD PROPUSTO POR OSIPTL PARA L PLAN D RGULAIÓN POR PRIOS TOP 2004 2007 APLIAIÓN D LA VARIABL M por Davd. M. Sappgto RSUMN JUTIVO ste forme preseta ua evaluacó de

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA Nura Padlla Garrdo Departameto de Ecoomía Geeral y Estadístca Uversdad de Huelva padlla@uhu.es Flor María Guerrero

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

CURSO REDES ELECTRICAS II 1 CAPITULO 4 CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto

Más detalles

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión Eerccos Resueltos de Estadístca: Tema : Descrpcoes bvarates regresó . E u estudo de la egurdad e Hgee e el Trabao se cotrastó la cdeca del tabaqusmo e la gravedad de los accdetes laborales. Cosderado ua

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO Nota: A partr del de julo de 200, las empresas reporta a la SBS formacó más segmetada de las tasas de terés promedo de los crédtos destados a facar

Más detalles